Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ αντανακλαστικών και αυτοδιορθωτικών παραγόντων

Εξετάστε τον βρόχο λεκτικής ανατροφοδότησης του Reflexion, τον αξιολογητή, την επεισοδιακή μνήμη, το πεδίο αναφοράς και τους κινδύνους αναξιόπιστης ανάδρασης. Ελέγξτε τα στοιχεία και τα όρια.

Σχετικές διαδρομές οδηγώνΑντανακλαστικοί και Αυτοδιορθωτικοί Πράκτορες
Ερώτηση 1 του 8

Ποιο είναι το καθοριστικό χαρακτηριστικό του πώς «μαθαίνει» ένας πράκτορας Reflexion;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιο είναι το καθοριστικό χαρακτηριστικό του πώς «μαθαίνει» ένας πράκτορας Reflexion;
    • Αποθηκεύει τις γραπτές αντανακλάσεις στο πλαίσιο χωρίς να αλλάζει τα βάρη του μοντέλου
    • Ενημερώνει τα βάρη του μοντέλου μέσω μικρορύθμισης
    • Κατεβάζει μια νέα έκδοση μοντέλου μετά από κάθε αποτυχία
    • Ζητάει από έναν άνθρωπο να επαναπροσδιορίσει τα δεδομένα εκπαίδευσής του
  2. Στο πλαίσιο Reflexion, τι κάνει ο Αξιολογητής;
    • Δημιουργεί την επόμενη ενέργεια του πράκτορα
    • Βαθμολογεί το αποτέλεσμα μιας προσπάθειας παραγωγής ενός σήματος ανάδρασης
    • Διαγράφει παλιές αναμνήσεις για εξοικονόμηση χώρου
    • Μεταφράζει την εργασία σε άλλη γλώσσα
  3. Γιατί έχει τόση σημασία η ποιότητα του σήματος αξιολόγησης στο Reflexion;
    • Επειδή καθορίζει το ρυθμό εκμάθησης του μοντέλου
    • Επειδή αποφασίζει πόσες GPU θα χρησιμοποιηθούν
    • Επειδή ένα λάθος σήμα μπορεί να κάνει τον πράκτορα να προβληματιστεί και να ενισχύσει λανθασμένα μαθήματα
    • Επειδή ρυθμίζει τη θερμοκρασία του μοντέλου γλώσσας
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • ImageNet
    • COCO detection
    • WMT translation
    • HumanEval
  5. Ποιος είναι ένας γνήσιος ανοιχτός κίνδυνος με τους αυτοδιορθωτικούς παράγοντες;
    • Μπορούν να κάνουν βρόχο ατελείωτα «διορθώνοντας» την έξοδο που ήταν ήδη σωστή
    • Απαιτούν δεδομένα με ετικέτα για κάθε διακριτικό
    • Δεν μπορούν να τρέξουν σε τυπικό υλικό
    • Διαφθείρουν μόνιμα το βασικό μοντέλο
  6. Where does Reflexion keep feedback for a later attempt?
    • In updated model weights
    • In an episodic memory buffer supplied as text context
    • In a hardware cache shared across users
    • In the original training corpus
  7. What is the role of the Actor in Reflexion?
    • It changes the base model weights
    • It authenticates citations automatically
    • It generates the actions or attempt for the task
    • It sets the benchmark score after the run
  8. What kinds of feedback can Reflexion use?
    • Only gradient updates from fine-tuning
    • Only human ratings in every task
    • Only token likelihood from pretraining
    • Signals such as scalar outcomes or language feedback from external or simulated sources